GPT-6.5爆料与Claude Fable 5.5、Gemini 4 Carbon齐曝光

一周AI爆料潮：下一代模型集体浮出水面

最近一段时间，AI圈几乎被一系列密集爆料与早期测试信息淹没。从OpenAI的GPT-6.5线索，到Anthropic的Claude Fable 5.5、谷歌的Gemini 4 Carbon，再到中国厂商MiniMax、Kimi、智谱的新动向，多个独立来源共同描绘出一幅“下一代模型集中发布期”的图景。据The Information报道，本月可能迎来一波密集的大模型发布潮，涵盖Anthropic、谷歌与OpenAI的新模型；而来自微软代码仓库、神秘网站、以及社交平台的多条线索，则为这些传闻提供了不同程度的佐证。

GPT-6.5：神秘网站与微软代码的双重信号

关于GPT-6.5的最早线索来自一个由Tibo买下的神秘网站OpenCLoli，其HTML原码中暗藏“6.5”字样，并配有指向旧金山时间11月1日上午10点的倒计时。耐人寻味的是，这个时间恰好与Tibo此前“28天倒计时”的最后一天完全重合，引发不少人猜测OpenAI可能用一款重磅新模型为连发计划压轴收官。

不过，这条线索存在明显反转：有用户深挖网站历史存档发现，9月23日的记录显示该域名曾被描述为“待售的独立OpenAI恶搞网站”，因此它并非官方权威消息。但另一条线索相对硬核——据报道，GPT-6.1（代号Terra）已出现在微软的代码拉取请求中，其中18项评估配置从“GPT-5.6 Terra”更新为“GPT-6.1 Terra”。代码变动比网站倒计时更具可信度，暗示微软可能已在准备测试或接入OpenAI的下一代Tera模型。

代码拉取请求（Pull Request，简称PR）是GitHub等代码托管平台的核心协作机制：开发者完成一段修改后，向主仓库发起PR，请求将自己的改动合并进去。PR中会清晰展示新增、删除或替换的具体代码行，以及涉及的配置文件和评估条目。因此，当微软的PR里出现“GPT-5.6 Terra”被更新为“GPT-6.1 Terra”的18项评估配置改动时，这类信息通常反映的是真实工程行为——微软在Azure或相关产品中接入、测试OpenAI模型的内部流程。与营销页面或倒计时网站不同，PR是内部开发流程的副产品，伪造或恶搞的成本很高，这也是它比神秘网站线索更可信的根本原因。

Claude Fable 5.5：从修bug到主动发现一类问题

据The Information报道，Anthropic正在筹备的新模型很可能就是Fable 5.5，其推理与直觉能力显著提升。一位匿名测试者透露，该模型不会只按用户要求修复单个bug，而是能识别出该bug可能属于某一类更大隐患，并主动询问是否一并解决。这种“举一反三”的能力，对自主编程智能体来说是一大突破——现有模型的最大痛点之一，就是用户必须明确指定要排查什么、修复什么。

报道还指出，Fable 5.5更擅长打破思维定势，而不是复述常规方案或常识性建议。在遵循指令方面，现有模型已经相当出色，但面对全新未知问题时拿出有创意的解法，仍是巨大挑战。

Gemini 4 Carbon：早期检查点被高估？

关于谷歌的Gemini 4 Carbon，此前商业内幕曾援引消息称其编程能力“足以媲美Opus 5.5”。但多位测试者——包括本文原始视频作者——亲自测试了Carbon B与Carbon C两个检查点后，认为这一说法完全不实。该测试者表示，这些检查点的实际代码质量不仅与Opus 5.5差距明显，甚至相比谷歌现有的Gemini 4 Argon模型也几乎看不到实质性提升，速度虽略有加快，但代码质量反而有所下降。

提一嘴，这些只是早期检查点，随着后续迭代仍有很大提升空间。但“媲美Opus 5.5编程性能”的说法在当前阶段站不住脚，谷歌要追上这一水平可能还需数月时间。

“检查点”（checkpoint）是模型训练过程中的中间快照，包含某一时刻的全部权重参数。大模型训练往往持续数月，团队会定期保存检查点，以便评估进展、回滚实验或用于内部测试。早期检查点通常只完成了部分训练数据或训练阶段，能力与最终发布版本存在明显差距。文中所说的Carbon B、Carbon C即谷歌Gemini 4训练过程中的两个不同阶段快照。测试者基于早期检查点得出的结论，只能反映“当时那一刻”的水平，不能直接等同于最终产品；但反过来说，如果早期检查点已明显落后于竞品同期水平，也说明谷歌要追平差距需要额外的迭代时间。

MiniMax M3.1 Flash：极致性价比与基准表现

中国厂商方面，MiniMax M3.1 Flash已结束预览阶段正式发布，官方确认此前横扫榜单的神秘模型“SpaceMoney Alpha”正是其早期版本。据称该模型已处理超过200万亿个Token，生成速度超过每秒200个Token，比上一代M3快近三倍，价格还便宜约70%。

基准测试数据尤其引人关注：在自动化评测中，M3.1 Flash据称拿到62.2%的成绩，对比Claude Opus 5.5的50.3%和GPT-5.6 SO的45.8%；在DeepSway测试中拿下74%，足以与贵得多的模型在编程评测中平起平坐。价格方面，每百万输入Token仅0.15美元、输出0.60美元，缓存输入更低至每百万0.15美元；对比Claude Opus 5.5每百万输入5美元、输出25美元，以及GPT-5.6 SO的4美元与20美元，成本优势非常明显。

在实际测试中，M3.1 Flash复刻太空兔仙岛预告片的画质胜过Muse和DeepSeek^广告 4.1 Flash；复刻特斯拉警车追逐场景仅花费2.34美元，比DeepSeek的约3.07美元便宜近24%；为硬件新品发布制作落地页仅花费1美分，比Opus 5.5的1.22美元便宜近88倍，速度快4倍。当然，成本低不代表效果更好——Opus 5.5生成的实际效果确实更好，但MiniMax可以作为低成本打底框架，再用更强模型完善。

在潜艇追逐场景的复杂视觉代码测试中，MiniMax耗时约29分钟、成本约21美分，比Gemini 3.8 Flash便宜近7倍，比DeepSeek 4.1 Flash便宜1.8倍，生成速度也更快。测试者个人认为Haiku效果最好，但MiniMax M3.1 Flash排在第二。综合多项基准与提示词测试，该模型综合排名位列第18位，对一款Flash急速版模型而言已相当惊艳。

另据报道，MiniMax正准备推出性能更强的M3.1 Pro版本，参数量可能高达2.7万亿，有望成为迄今体量最大的AI模型之一。消息来自The Information早期爆料及路透社报道。

中国厂商多点开花：Kimi、GLM与DeepSeek

Kimi K3.1：PR中闪现的推理档位

据爆料，有人在相关PR中发现了Kimi K3.1的踪迹，但该请求在短短7分钟后被神秘关闭。在消失之前，测试数据显示其已在DeepInfra上线部署，记录最早可追溯至10月18日。该模型采用相同分词器以及与Kimi K3完全一致的对话格式，但新增四档推理级别——低、中、高和最高档，默认设为最高档，并支持图像输入。

GLM Omni与GLM 5.3：多模态与后训练潜力

智谱AI在等待GLM 5.4和5.5亮相之际，旗下代码平台Zcode引入Git工作流模式，开发者可同时协同调度多个AI智能体，演示中展示了10个独立运行的子智能体并实时追踪进度。

最新曝光的论文透露其内部有一款名为GLM Omni的多模态模型，可理解图像并生成图像，通过视觉生成真正吸收新信息。据介绍，研究人员将图文对齐准确率从12.57%提升至26.86%。

另一项进展来自GLM 5.3：据报道其仅凭后训练就取得重大提升，无需改动基础架构或增加参数，在Terminal Bench测试中得分从4.6飙升至28.3。这说明巨大的性能潜力可以通过更出色的后训练激发，而不必从头训练全新模型。

后训练（post-training）指基础模型完成大规模预训练之后的所有训练阶段，通常包括监督微调（SFT）、基于人类反馈的强化学习（RLHF）、拒绝采样、以及针对推理与工具使用的专项强化训练等。它的特点是不改变模型的基础架构，也不增加参数规模，而是通过更高质量的数据、奖励信号和训练策略，把预训练阶段已经潜藏的能力“激发”出来。GLM 5.3在Terminal Bench上从4.6跃升至28.3，正是后训练价值的典型例证：同一套底座权重，经过更精细的后训练流程，在终端命令行任务上的表现可以发生数量级变化。这也意味着，模型能力的竞争不只发生在参数量和预训练算力上，后训练方法论同样是关键战场。

DeepSeek 4.1 Flash免费开放

据原始内容，DeepSeek 4.1 Flash（1017模型）在OpenCode中已完全免费，无需繁琐设置，后台已全部更新完毕。

英伟达推理优化与机器人新进展

英伟达方面传来一条引人注目的消息：据传达成了单用户每秒423个Token的推理速度，且是在参数量高达2.8万亿的Kimi K3模型上实现，在完全相同的硬件架构下实现了1.68倍的速度提升。这归功于一项新的vLLM优化，由英伟达SendML团队开发，核心是基于QDSL编写的深度优化解码内核，利用“巨型内核融合”技术大幅降低推理开销，背后凝聚了约1.2万行经过深度优化的底层内核代码。这意味着无需增添硬件、无需改动模型，仅靠更优秀的软件就能大幅释放性能。据悉英伟达正着手将类似优化应用于DeepSeek 4.1及其他模型。

机器人领域，Dreamlabs携Dreamman正式走出隐秘期，这是一套全新的机器人基础模型，专门操控此前从未接触过的机器人。据官方介绍，DreamE能让双臂机器人执行未经专门训练的任务，甚至完成此前从未做过的操作，且使用成本每小时仅需3美元，目前DreamAPI已面向开发者开放。其在现实环境中的泛化可靠性仍有待观察，但基础模型直接适配不同机器人、无需大量重训的前景值得期待。

vLLM是当前主流的开源大模型推理引擎，其核心创新是PagedAttention——借鉴操作系统虚拟内存分页的思想管理KV Cache（键值缓存），从而大幅减少显存浪费、提升吞吐。推理过程中的解码（decoding）阶段需要逐个Token生成，每次都要调用大量小算子，算子启动与调度开销会显著拖慢速度。“巨型内核融合”（mega-kernel fusion）就是把多个细粒度算子合并进一个更大的GPU内核中一次性执行，减少内核启动次数与内存往返，从而在相同硬件上释放更高吞吐。文中基于QDSL编写的解码内核与约1.2万行底层优化代码，正是这一思路的工程落地：不增加GPU、不改动模型权重，仅靠软件层优化就把单用户生成速度提升1.68倍。

多源交叉下的判断

综合来看，本周爆料中可信度较高的是微软代码仓库中出现的GPT-6.1 Terra引用、MiniMax M3.1 Flash的正式发布与定价、以及GLM 5.3后训练带来的基准提升——这些信息有代码、官方发布或论文作为支撑。相对不确定的是GPT-6.5的神秘网站线索（已被历史记录证伪为恶搞网站）以及Gemini 4 Carbon“媲美Opus 5.5”的说法（多位测试者实测不认可）。在模型密集发布期，保持对单一爆料的审慎、关注可验证的代码与官方数据，仍是判断下一代模型真实水平的关键。